跳到正文
11月2日週一
  1. 新浪科技36

    「BesTV上海博物館」獲第63屆亞廣聯獎數字媒體類特別推薦獎

    「BesTV上海博物館」獲第63屆亞廣聯獎數字互動與受眾參與類別特別推薦獎,這是百視通與上海博物館共同打造的AI超高清數字孿生產品。截至目前,產品已完成13個上博常設展館的孿生,復刻多個線下特展,累計產出超4000分鐘4K超高清文博內容。觀眾可在家中透過電視切換展館,縮放或暫停文物畫面。

  2. DEV Community27

    被認為能保護大腦的細胞或會加劇認知衰退

    研究指出,功能異常的腦細胞可能產生過多髓鞘,幹擾神經纖維,並助長記憶與思考能力下降。Seven Sports 開發的 Amblyotube 是供 Meta Quest 使用的視覺訓練及教育軟件,利用影片內容進行雙眼協調訓練。文章沒有提出視力改善數據或臨牀結果,並指出 Amblyotube 不作診斷或治療用途。

  3. 阿里雲開發者社區 AI20

    AI 英語教學培訓系統的開發

    AI 英語教學培訓系統採用感知層、智能中樞與知識層三層架構,整合語音糾錯、語法診斷、情境對話及學情評估等功能。方案透過提示詞工程和分級語料庫支援教學,並分四個階段推進需求規劃、模型微調、多模態接口集成及測試迭代。

  4. 阿里雲開發者社區 AI37

    MaxCompute 作為大語言模型訓練數據清洗與 AI 語料處理平台:功能機制與適用條件解析

    MaxCompute 透過存儲接入、計算推理及治理索引三層能力,支援 PB 級離線 AI 語料清洗、多模態解碼、批量向量化及可信樣本交付。使用前提包括符合離線批量處理節奏、依賴 MaxFrame 生態、啟用向量能力,以及具備 GPU 配額和鏡像管理。它定位為語料產線的編排與治理中樞,不替代實時引擎或專用模型服務。

  5. 新浪科技24

    國家知識產權局專利審查工作動態(2026年10月30日)

    國家知識產權局專利局多個部門及湖北中心舉辦師資培訓、審查業務交流和擴展領域培訓,並分享對比文件庫製作經驗。培訓及研討涵蓋證據鏈認定、教學能力,以及人工智能新技術;湖北中心首期培訓講解自然語言處理(NLP)技術演進和多模態大模型。各部門將持續完善師資培養、文件庫建設及擴展領域審查能力。

  6. 中華網科技63

    美團發布 LongCat-2.5 大模型

    美團發布總參數 1.6 萬億、面向長程智能體任務的原生多模態模型 LongCat-2.5,並稱模型全程在國產算力上訓練。評測顯示,LongCat-2.5 在多項主流基準中介乎 Claude-Opus-4.8 與 Claude-Opus-5 之間,部分評測超過 Claude-Opus-5。美團亦推出 AI 經營工作台「妙手」,協助商家理解行業指標和品牌規則,並在授權範圍內調用工具與系統執行經營任務。

  7. 中華網科技49

    美團發布 LongCat-2.5

    美團技術團隊發布面向長程智能體任務的原生多模態模型 LongCat-2.5。模型總參數量為1.6萬億,每個 token 約激活480億參數,並在 LongCat-2.0 基礎上強化原生視覺理解與智能體編程能力。

  8. 新浪科技49

    對話科理新序張載熙:在 AI4S 最冷門時入局,打造科學原生基座模型

    張載熙創立科理新序,正訓練以 scientific token 統一蛋白質結構、組學矩陣、基因序列和分子動力學等模態的多模態科學基座模型,目標是在科學空間進行推理。團隊參與開發的科研智能體 STELLA 曾協助實驗室找到 40 個候選靶點,其中排名第一的靶點在四個細胞系的基因敲除實驗中效果明顯且一致。科理新序計劃明年建設自動化實驗室,推進幹濕閉環。

  9. 新浪科技52

    美團龍貓發佈 LongCat-2.5 原生多模態模型,總參數量為 1.6 萬億

    美團龍貓發佈面向長程智能體任務的原生多模態模型 LongCat-2.5,總參數量為 1.6 萬億,每個 token 約啟用 480 億個參數。相較 LongCat-2.0,模型加強原生視覺理解與智能體編程,並以長程軌跡數據和大規模長程強化學習提升複雜代碼庫開發及完整項目構建能力。模型以多層級離散 token 表示視覺訊號,並優化國產算力上的長上下文訓練與 W4A4 推理。

  10. 新浪科技52

    美團龍貓發佈 LongCat-2.5 原生多模態 AI 模型,總參數量為 1.6T,面向長程智能體任務

    美團龍貓發佈原生多模態模型 LongCat-2.5,總參數量為 1.6 萬億,每個 token 約啟用 480 億參數,面向長程智能體任務。模型在 LongCat-2.0 基礎上強化原生視覺理解與智能體編程,並加入長程軌跡數據和大規模長程強化學習,以提升複雜程式碼庫開發及完整項目構建的端到端工程能力。

  11. IT之家62

    美團龍貓發佈 LongCat-2.5 原生多模態 AI 模型:1.6T 參數,面向長程智能體任務

    美團龍貓發佈面向長程智能體任務的原生多模態模型 LongCat-2.5,總參數量為 1.6 萬億,每個 token 約激活 480 億參數。模型在 LongCat-2.0 基礎上加強原生視覺理解與智能體編程,並以長程軌跡數據、大規模長程強化學習及可復現的 Agent 失敗軌跡訓練,提升複雜代碼庫開發和完整項目構建的端到端工程能力。

  12. IT之家43

    三星首款 AI 智能眼鏡擬於 12 月中旬登陸韓國、美國,與 Meta 爭市場?

    三星計劃於12月中旬在韓國和美國推出首款 AI 智能眼鏡 Intelligent Eyewear,售價尚未確定。產品搭載 Android XR 平台和 Gemini,透過攝影機及麥克風感知環境,提供即時翻譯和語音導航等功能,沒有顯示屏,主要以語音互動。產品預計採用高通 Snapdragon AR1 Gen 1 處理器,單次充電續航最長9小時。

  13. Hacker News 熱門(buzzing.cc 中文翻譯)51

    利用 JEPAs 證明並改進柏拉圖表徵假説

    研究提出柏拉圖表徵定理:若正樣本配對是同一場景的不同觀測,且其他情況下錯位有界,分開訓練的多模態 JEPA 可學得僅相差一次旋轉的相同表徵。研究以 145k 條圖片説明及 940M 張網頁圖片的文本驗證理論,並發現良好視角達到同等對齊所需樣本比下一 token 預測少 42 倍。

  14. DEV Community55

    10Eros Beta5 在 H3 中的雙階段精修與 SelfLift 音訊條件控制比較

    這篇教學比較兩個採用相同 Beta5 基礎模型的 H3 工作流:一個以啟用的圖像參考進行雙階段影音精修,另一個把裁剪來源音訊注入影音 latent,再以 SelfLift 採樣。第一份流程有 66 個節點、第二份有 32 個,並配置三個影片儲存分支;第二份輸出影片時直接接入裁剪後的原始音訊。作者只核對靜態配置,未執行生成,也未測試畫質、同步或基準表現。

  15. HuggingFace Daily Papers(社區熱門論文)57

    RoboColosseum:大規模評估真實環境中的機械人智能

    RoboColosseum 是一個分散式評測框架,跨不同機械人形態與環境評估通用機械人策略,結果顯示跨形態排名一致性偏低,各系統亦難以可靠完成開放世界任務。研究在 124 個地點進行 5,699 次 Open Track 成對比較,涵蓋五種 VLA 策略、三個前沿 AI Agent 和四種機械人形態,跨形態任務排名的 Kendall W = 0.24。

  16. HuggingFace Daily Papers(社區熱門論文)43

    TaoMate-HD:漸進式解像度自回歸音影片生成

    TaoMate-HD 是一款自回歸串流模型,透過漸進式去噪及歷史延續,分段生成高解像度音影片內容。相較使用相同模型和硬件直接生成高解像度內容,速度提升 1.6 倍;階段並行部署則較序列式漸進生成再提升 1.9 倍。延續訓練令字符錯誤率較基準降低 11.18 個百分點,模型亦支援生成長達一小時的音影片內容。

  17. HuggingFace Daily Papers(社區熱門論文)34

    每個像素都是一個選項:Kev-Bio 用於醫學超聲生物測量的 System One 模型

    Kev-Bio 是一個視覺語言模型,透過臨牀測量問題引導超聲波標記點偵測,並生成空間概率圖以推導測量結果。在九視圖 FU/GU Biometry 2026 數據集上,模型的平均徑向誤差為 22.50 pixels,臨牀測量平均絕對誤差為 15.38,整體表現優於比較基線;程式碼及模型可供使用。

  18. 新浪科技67

    蘋果與阿里巴巴達成合作,千問將整合至 Apple智能並於12月隨 iOS 27.3 面向中國用戶推出

    蘋果與阿里巴巴宣佈合作,將千問整合至 Apple智能,讓中國用戶可在 Siri、寫作工具及視覺智能中直接調用其文字與圖像理解、內容生成等能力。相關功能將於11月4日起隨最新的 iOS 開發者 Beta 版開放測試,並於12月 iOS 27.3 正式發布時面向中國用戶推出。

  19. DEV Community37

    Ofrenda Viva:以 Gemma 2 與 ElevenLabs 打造數碼紀念祭壇

    Ofrenda Viva 是一款單頁數碼紀念應用程式,運用 Google 的開放權重模型 gemma-2-2b-it,從用戶講述或輸入的故事中提取逝者姓名、供品等資料,並撰寫雙語紀念詩。應用程式透過 ElevenLabs Multilingual V2 將詩句轉為語音;未提供 API key 時,會改用瀏覽器內置語音合成。它採用本地優先設計,將用戶憑證儲存在 localStorage。

11月1日週日
  1. DEV Community54

    新 arXiv 論文證明 JEPAs 中的 Platonic Representation Hypothesis

    arXiv 論文為 JEPAs 中的 Platonic Representation Hypothesis 提出並證明定理,指出不同模態模型在特定條件下可學得相同表徵。定理要求正樣本對是同一場景的兩個觀察,所得表徵可相差一次旋轉;論文亦報告,在同一語料上,good views 達到相同對齊程度所需的訓練樣本比 next-token prediction 少 42 倍。

  2. DEV Community63

    Google DeepMind 的 Genie 4 世界模型支援運行期間即時編輯

    Google DeepMind 於 2026 年 10 月 27 日以研究預覽形式推出 Genie 4,這款世界模型可即時模擬可互動場景,並支援在運行期間以自然語言修改場景。它原生生成音訊,場景連貫性最長可維持兩分鐘,是 Genie 3 約一分鐘上限的兩倍。目前僅限受信測試者使用;DeepMind 列出的缺口包括長時間運行時的視覺漂移、未解的音訊準確度問題,以及尚無法生成清晰可讀的場景內文字。

  3. 創業邦67

    蘋果為何選擇千問合作,嚴選夥伴的標準延續至 AI 時代

    蘋果與阿里宣佈合作,千問將整合至國行 Apple 智能,讓中國 iPhone 用戶可在 Siri、寫作工具及視覺智能中調用其文本與圖像理解、內容生成能力。用戶可透過視覺智能詢問眼前物件,也可讓 Siri 提煉 PDF 重點、由千問起草電郵。文章將選擇歸因於雙方長期合作的信任基礎,以及阿里在模型、AI 晶片和雲端方面較均衡的能力。

  4. DEV Community55

    MiniMax H3 六種風格預設如何區分戲劇與動作場景

    MiniMax H3 的六種風格預設按戲劇或動作場面調度及影像處理方式區分,會影響人物走位、鏡頭安排和場景呈現。戲劇預設適用於對白和情緒,動作預設面向接觸、追逐和衝擊;realistic 變體沿用相同場面調度,並加入寫實處理。在 Callirra 的 multimode API 路徑中,預設透過 minimax_h3_style_preset 欄位設定,未知值會被拒絕。